Rancang bangun aplikasi klasifikasi citra tingkat kesegaran daging ayam berbasis android

Calvin, (NIM. 1021711017) (2024) Rancang bangun aplikasi klasifikasi citra tingkat kesegaran daging ayam berbasis android. skripsi thesis, Universitas Bangka Belitung.

	Text HALAMAN DEPAN.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text BAB I.pdf Restricted to Registered users only Download (564kB) | Request a copy
	Text BAB II.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB III.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB IV.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text BAB V.pdf Restricted to Registered users only Download (548kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (599kB) | Request a copy
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (8MB) | Request a copy

Abstract

Kesegaran daging ayam memainkan peran penting dalam menentukan nilai gizi, cita rasa, dan keamanan bagi konsumen. Ketidakmampuan untuk secara cepat dan akurat menentukan kesegaran daging ayam dapat menyebabkan masalah kesehatan yang serius akibat konsumsi daging yang tidak segar. Teknik tradisional yang digunakan untuk menilai kesegaran daging, seperti pemeriksaan visual dan penciuman, sering kali subyektif dan kurang akurat, sehingga diperlukan metode yang lebih baik. Penelitian ini mengembangkan aplikasi berbasis Android yang memanfaatkan teknologi pengolahan citra dan machine learning dengan model MobileNetV2. Aplikasi ini dirancang untuk menguji kesegaran daging ayam secara real-time di lapangan, menggunakan arsitektur REST API, React Native, dan FAST API. Tiga pengujian dilakukan untuk mengevaluasi performa aplikasi: pertama, pengujian menggunakan empat jenis smartphone menunjukkan akurasi rata-rata 43%; kedua, pengujian terhadap data citra bukan daging ayam mentah menghasilkan akurasi 99%; ketiga, pengujian langsung di pasar terhadap daging ayam segar mencatatkan akurasi 80%. Kata kunci: MobileNetV2, Android, REST API, React Native, FastAPI

Actions (login required)

View Item